概述
本文基于决策树算法设计和构建一个简洁的信贷审批模型，实现自动化和智能化量化和识别风险。前一段时间，是经常刷到某某机构贷款多少，某某学生因为违约金而跳楼自杀？学生由于经济压力还不起，网贷公司就越来越催着还款，其实国家是有法律的，只要利息或者违约金不超过多少，是不需要偿还这么多的资金的，小编也偷偷的查过一些网贷公司，确实很坑，我碰到过那种借三百还四百的，前提条件是没有逾期，这个霸王条约是真的恐怖，所以小编也在这里劝大家，最好不要去接触这个网贷，学生的话，没钱可以和家里沟通，和同学沟通，没必要非得深陷进去，进去了就很难拔出来了，还有很多的女大学生搞什么裸贷，女生还是以自己的名誉为主，虚荣心虽然很难满足，但是可以通过自己的双手来让自己的生活过的更好，好了咱们废话不多说，来到咱们的主题！
结论：
进群：125240963 即可获取数十套PDF，如果需要源码请给小编留言！
5 目标变量分布
table(credit$default)
** 结论**：
第三步：数据准备
1 数据集划分
数据集划分为训练集和测试集。
或者 利用caret包的createDataPartition()函数，进行分层抽样，90%为训练集，10%为测试集。
第四步：建立模型
使用C50包里面的C5.0决策树算法。
** 结论**：
决策树规则集前三行（见红色方框）的规则策略：
summary(C50_model)会显示混淆矩阵，还会指明训练模型的错误率，如下图所示：
** 结论**：
决策树算法通常存有过拟合问题。因此，需要对模型做优化处理，然后在测试数据集上面评估模型性能。
第五步：评估模型
测试数据集评估模型性能。
** 结论** ：
解决方案：
模型性能调优
第六步：优化模型性能
1 超参数调优
C5.0算法通过自适应提升改进C4.5算法。在C5.0函数里面，通过超参数trials设置。
** 结论**：
2 错误类型的代价分析
对不同类型的错误，赋予不同的代价值
** 结论**：
所以大家还是远离一些非法机构的网贷，要找肯定也要找上市公司有保障的，这样的公司是不会有非法的暴利收取手续费的，劝勉大家最好是远离网贷，谢谢大家阅读！
总结
以上是编程之家为你收集整理的网贷祸害了多少家庭？风险多大？通过Python数据分析识别网贷风险全部内容，希望文章能够帮你解决网贷祸害了多少家庭？风险多大？通过Python数据分析识别网贷风险所遇到的程序开发问题。
如果您也喜欢它,动动您的小指点个赞吧
602392714
清零编程群